Hot Chips 31 Symposium本周开始。AI(人工智能)是英特尔(INTC)，NVIDIA(NVDA)和Advanced Micro Devices(AMD)的热门话题。这三家芯片公司的股票在8月21日分别上涨了1.18%，2%和3.2%，因为他们讨论了人工智能战略。

对于长期投资者而言，了解三家公司的人工智能机会至关重要。这三种方法都有不同的方法来点击AI，因此它们的AI TAM(总可寻址值)也不同。还有待观察的是哪家公司的战略最适合投资者。

热门芯片31：英特尔，AMD和NVIDIA的人工智能战略

NVIDIA估计其数据中心人工智能TAM到2023年将达到500亿美元。这包括HPC(高性能计算)，DLT(深度学习训练)和DLI(深度学习推理)。

英特尔估计其DLT和DLI TAM在2020年将达到460亿美元.AMD尚未发布任何用于深度学习的TAM，因为它更专注于从英特尔和NVIDIA获得市场份额。因此，AMD没有专注于人工智能的芯片。然而，AMD首席执行官Lisa Su表示，该公司正在努力成为人工智能领域更重要的参与者。

任何计算性能讨论都始于摩尔定律，该定律正在放缓。摩尔定律指出，随着芯片尺寸缩小和晶体管密度增加，计算性能将每两年翻一番。

Lisa Su在AnandTech报道的Hot Chips 31的主题演讲中解释说，公司通过利用各种元素改善了CPU(中央处理器)的性能。这些元素包括工艺技术，芯片尺寸，TDP(热设计功耗)，电源管理，微体系结构和编译器。

工艺技术是最大的贡献者，因为它将性能提升了40%。增加芯片尺寸也可以提高两位数的性能，但这不符合成本效益。

AMD使用微体系结构将EPYC Rome服务器CPUIPC(每个周期的指令)在单线程和23%多线程工作负载中提升了15%。该IPC的改进高于行业平均IPC改进约5%-8%。但是，上述所有方法在2。5年内都会使性能翻倍。

苏：人工智能所需的加速计算

苏说，一方面，摩尔定律正在放缓。另一方面，世界上最快的超级计算机的性能每1.2年翻一番。这意味着过去十年的解决方案将无效。

该行业目前的需求是优化系统的各个部分，使其成为人工智能工作负载的理想选择。她解释说，每瓦性能在ASIC(专用集成电路)和FPGA(现场可编程门阵列)中最高，CPU最低。通用GPU(图形处理单元)在每瓦性能方面落在CPU和FPGA之间。